Waliam Mursyida Primary Author mixed material bibliography Banda Aceh Fakultas MIPA Informatika 2023

Skripsi

Diagnosis tumor otak menggunakan Magnetic Resonance Imaging (MRI) memiliki tantangan tersendiri. Salah satunya adalah ketidakmampuan MRI dalam menghasilkan citra yang jelas mengenai bentuk, lokasi, dan batas tumor otak. Selain itu, Pemindaian MRI menghasilkan gambar-gambar 2D yang memerlukan pemeriksaan terpisah oleh ahli radiologi yang dianggap rentan terhadap kesalahan manusia. Oleh karena itu, deep learning dapat dimanfaatkan untuk mengatasi masalah segmentasi citra MRI di bidang medis dengan tujuan memisahkan bagian yang penting dari bagian yang tidak penting dalam citra MRI. Dalam penelitian ini, dilakukan perbandingan metode Convolutional Neural Network (CNN) antara arsitektur U-Net dan Res-UNet untuk mendapatkan metode terbaik dalam segmentasi tumor otak. Dataset yang digunakan adalah Brain Tumor Segmentation Challenge (BraTS) 2020 yang terbagi menjadi data pelatihan, validasi, dan pengujian. Kedua arsitektur dilatih dengan hyperparameter yang sama. Model dari kedua arsitektur diuji dengan memprediksi area-area penting seperti inti tumor, edema, dan tumor yang meningkat. Hasil prediksi dievaluasi dengan membandingkannya dengan data ground truth menggunakan loss function categorical crossentropy, adam optimizer (learning rate 0.001 dan 0.0001), serta beberapa metrik evaluasi seperti akurasi. Hasil evaluasi menunjukkan bahwa model terbaik pada arsitektur U-Net memiliki epoch 35, batch size 64, dan learning rate 0.001. Pada arsitektur Res-UNet model terbaik dengan epoch 35, batch size 64, dan learning rate 0.001. Berdasarkan perbandingan nilai loss dan akurasi, arsitektur U-Net menujukkan performa terbaik dengan loss terendah sebesar 0.0140 dan akurasi sebesar 0.9950 (99%). Meskipun arsitektur Res-UNet juga memiliki akurasi yang tinggi sebesar 0.9930 (99%), nilai loss yang lebih tinggi menunjukkan kinerja yang kurang optimal dibandingkan dengan arsitektur U-Net. Kata kunci: Magnetic Resonance Imaging (MRI), tumor otak, segmentasi citra, deep learning, U-Net, Res-UNet 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 112524 2023-07-06 17:12:55 2023-07-07 09:24:03 machine generated